Machine learningDeep learning / NLP / CV

Класифікація на основі багатомовного RoBERTa

Багатомовна класифікація на основі RoBERTa використовує XLM-RoBERTa — трансформер, попередньо навчений на 100+ мовах за допомогою моделювання маскованої мови — і доналаштовує його на розмічених текстах для присвоєння категорій різними мовами. Спільне використання однієї моделі для різних мов забезпечує надійну міжмовну класифікацію тексту та класифікацію в режимі нульового пострілу (zero-shot) без потреби в окремих класифікаторах для кожної мови.

Відкрити у MethodMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

The neighbourhood of related methods — select a node to explore.

Джерела

  1. Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzman, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), pp. 8440–8451. DOI: 10.18653/v1/2020.acl-main.747
  2. Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link

Як цитувати цю сторінку

ScholarGate. (2026, June 3). Multilingual RoBERTa-based Text Classification (XLM-RoBERTa). ScholarGate. https://scholargate.app/uk/deep-learning/multilingual-roberta-based-classification

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Згадується в

ScholarGateMultilingual RoBERTa-based Classification (Multilingual RoBERTa-based Text Classification (XLM-RoBERTa)). Отримано 2026-06-15 з https://scholargate.app/uk/deep-learning/multilingual-roberta-based-classification · Набір даних: https://doi.org/10.5281/zenodo.20539026